Cell子刊：首个泛癌肿瘤微环境图谱，可准确预测免疫治疗疗效

本文转载自“丁香学术”微信公众号。
近些年，通过对临床肿瘤患者的转录组学分析使我们越来越深入的理解肿瘤的复杂性和异质性。基于此，研究者不断发现新的生物标志物，并利用其开发新的癌症治疗策略。
越来越多的研究证据表明，接受个性化治疗的癌症患者会显示出更好的临床治疗效果，精准医疗有望彻底改变肿瘤患者的普适性疗法。临床治疗中，分子靶向的治疗手段正在迅速发展，但许多的研究还集中在癌症病人基因组的异常变化。
肿瘤微环境 (TME) 作为肿瘤进展和治疗结果的关键中介，其对临床存活率和对治疗的响应程度起着重要的作用。通过解析患者肿瘤免疫微环境可以针对性的改善免疫治疗策略。然而目前为止，
对于肿瘤 TME 基因组和转录组学整合分析和整体评估往往是不结构化的，缺乏有效的整合分析模型
。
2020 年 5 月 20 日，美国德州大学 MD 安德森癌症中心的 Nathan Fowler 团队和 BostonGene 的 Ravshan Ataullakhanov 团队在
Cancer Cell
上在线发表了题为Conserved pan-cancer microenvironment subtypes predict response to immunotherapy的研究成果。

本文插图
图片来源：Cancer Cell
该研究开发了一个可视化的肿瘤患者微环境转录组数据平台，通过识别细胞群体、信号通路、肿瘤微环境发展过程和癌细胞特性定义不同功能基因的集和，对不同肿瘤微环境进行分类。以描述肿瘤及其肿瘤微环境的全面特征并用于预测免疫治疗的响应。
主要研究内容：
1. 模型建立：肿瘤微环境的基因表达特征建立
为了利用转录组分析对肿瘤免疫微环境（TME）进行分类，作者首先收集了公共数据库和已发表的文献数据。通过代表肿瘤主要功能的成分以及免疫、间质和其他细胞群体的 29 个功能基因表达特征 (Fges) ，创建了包括免疫富集，无纤维化（IE/F4）、免疫富集，纤维化的（IE）耗尽的（D）和纤维化的（F）四种不同黑色素瘤的 TME 模型。并进一步通过改进对特定细胞类型和生物过程的相关基因，对异质的细胞功能和黑色素瘤 TME 属性进行更细致的分类并整合了不同治疗病人的预后信息。

本文插图
图片来源：Cancer Cell

为了确认训练集建立模型的可行性和准确性，研究者进一步对 23 个独立的黑色素瘤数据集进行验证。结果首先复现了上述建立的四种 TME 亚型分类，随后通过结合数据集的临床注释，发现了分类为 F 和 D 亚型的黑色素瘤与各种化疗和标准治疗方案的出现了生存期下降的结果。